AI 模型只需几个词就能创作故事、图像,甚至短片。但据 Weber Wong 所说,这些模型都是"由非创意人士开发,供其他非创意人士体验创意"。
换句话说,这些工具并不是为真正的创意专业人士设计的。这正是 Wong 希望通过他作为创始人兼 CEO 的新创企业 Flora 来改变的现状。
Flora 本周正式发布,并发表了一份宣言,声明"AI 创意工具不应仅仅是生成 AI 垃圾的玩具",并描述 Wong 和他的团队"致力于打造一款将深刻影响创意工作未来的专业工具"。
该宣言将 Flora 定位为一款不同于现有 AI 工具的产品。现有工具"让创作变得容易,但缺乏创意控制",而传统创意软件则"提供控制,但不够直观且耗时"。
Flora 并不致力于开发更好的生成式 AI 模型。Wong 认为创业公司的关键洞察之一是"模型本身并不是创意工具"。相反,Flora 提供了一个"无限画布",与现有模型集成 —— 这是一个可以生成文本、图像和视频的可视化界面。
"模型不重要,技术也不重要,"Wong 告诉我,"关键在于界面。"
例如,用户可以先提示 Flora 创建一朵花的图像,然后询问图像细节,这些细节会引导更多提示和不同变体,每个步骤和变体都会映射到上述画布上,还可以与客户协作分享。
Wong 表示,他希望 Flora 能服务于所有艺术家和创意人士,但公司初期将重点与视觉设计机构合作。事实上,他们正在根据著名设计公司 Pentagram 设计师的反馈迭代产品。
Wong 表示,目标是让 Pentagram 的设计师能"完成更多创意工作",比如创建一个标志设计,然后快速生成 100 个变体。他将其比作音乐创作的演变 —— 从莫扎特"需要整个管弦乐队来演奏他的音乐",到现在的音乐人可以"在新泽西的车库里用 Ableton 完成所有工作,然后发布到 SoundCloud 上"。
Flora 目前免费提供有限数量的项目和生成内容,专业版定价从每月 16 美元起。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。